Ett titelkort med rubriken "Qwen4-Max: siffrorna som inte följer med", med tre chips som anger 983 616 indatatokens i tänkläge, 131 072 svarstokens och 262 144 delade mellan tänkande och svar, med bildtext till Alibaba Cloud Model Studio-modellkortet från 16 november 2026.
Guides & Insights

Qwen4-Max listades någon annanstans inom en dag. Thinking Budget är den del som inte kommer att portas.

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Qwen4-Max blev allmänt tillgänglig den 16 november 2026, och inom några timmar annonserade en andra plattform ut den från dag noll — kontext på 1 miljon token, inbyggd text-, bild- och videoinmatning, riktad mot kodning, kontorsarbete och långvariga agentkörningar. Det är den normala formen för en lansering av en sluten modell 2026: A​libaba publicerar ingen checkpoint för Qwen4-Max, så alla utanför dess sex distributionsregioner kan bara nå modellen via en plattform som hyr den från A​libaba. Det som inte är normalt, eller åtminstone inte diskuteras, är hur mycket av modellens driftmanual som går förlorad i den där vidarebefordran. Prislistan följer med helt intakt. Det framhävda kontextnumret följer med helt intakt. Aritmetiken som avgör om din förfrågan får plats eller returnerar en trunkering följer inte med alls.

Vad en dag-noll-notering faktiskt säger dig

Två saker, och ingen av dem handlar om benchmarks. För det första att modellen säljs in för forskning och agentarbete snarare än chatt – materialet för dag noll lyfter först långsiktiga agentkörningar och listar video som indatamodalitet, vilket är en beskrivning av den arbetsbelastning som plattformen avser att rikta den mot, inte en upprepning av A​libabas egen rubrik. För det andra att Qwen4-Max går att hyra men inte att flytta: det finns ingen nedladdning, så varje endpoint som betjänar det betjänar A​libabas driftsättning, och varje tredjepartssida som beskriver det är en sammanfattning av A​libabas dokumentation. Sammanfattningar av specifikationstabeller är där integrationsbuggar föds.

Prislistan är den lätta delen och värd att nämna en gång. I Singapore listar A​libaba Qwen4-Max till $1.50 per miljon indatatoken och $4.50 per miljon utdata, med cachad indata till $0.075 och cache-skrivningar till $1.875 för femminutersfönstret eller $3.00 för timmen. De globala distributionsområdena – Peking, Hongkong, Frankfurt, Japan och Virginia i USA – ligger något lägre på $1.413 för indata, $4.24 för utdata och $0.071 för en cacheläsning. Det är en enda prisnivå ända fram till kontextgränsen: ingen långkontextavgift, ingen batchrabatt att leta efter, eftersom batchinferens inte erbjuds alls för den här modellen.

A two-column scoreboard contrasting a third-party listing with Alibaba's model card: the listing gives 1M context, 1M output, three effort levels and no batch figure, while the model card gives 1,000,000 context, 983,616 input in thinking mode, 131,072 output non-thinking, 262,144 shared, and effort levels low, high and xhigh, sourced to Alibaba Cloud Model Studio documentation updated 16 November 2026.

Tre siffror som inte följer med modellen

”1M kontext” är siffran som står på varje listning. Alibabas modellsida, senast uppdaterad på lanseringsdagen, är mer specifik, och gapet mellan marknadsföringssiffran och de operativa siffrorna är där integrationer går sönder:

• Kontextlängd – 1 000 000 tokens, ett tak för hela förfrågan snarare än en budget som du kan lägga på utdata

• Maximal indata, icke-tänkande — 991,808 token, eftersom 8,192 av fönstret hålls tillbaka för svaret

• Maximal indata, tänkande – 983 616 tokens, ytterligare 8 192 reserverade för resonemangsblocket

• Maximal utdata, icke-tänkande — 131 072 token

• Kombinerat tänkande plus svar, tankeläge — 262 144 tokens, delas mellan resonemangsspåret och det synliga svaret

• Standardtankebudget – 131 072 token, där reasoning_effort standardmässigt sätts till high när ingen av parametrarna är angiven

Den femte raden är den som ställer till det. Ett team som dimensionerar ett jobb mot ett dokumenterat utdatatak på 262 144 token och sedan kör det i tänkande läge kommer att se det synliga svaret stanna vid en längd som inte har något att göra med hur mycket modellen hade kvar att säga, eftersom resonemangsspåret har dragit från samma pool. Siffran 131 072 är den säkra utdatasiffran. Siffran 262 144 är en delad budget, och skillnaden mellan dessa två tolkningar är skillnaden mellan en fungerande pipeline och en incident varje vecka.

Det finns en liten tröst: detta förklarar också en avvikelse som du kommer att se i specifikationslistor från tredje part, där man anger ett kontextfönster på 984k. Det är inte en annan modell och inte en nedgradering. Det är taket för indata i tankeläget, 983 616 avrundat, och det är det ärliga talet att dimensionera mot om du anropar modellen med resonemang påslaget – vilket är standard.

Effort-ommappningen är där en OpenAI-formad klient tappar en nivå

Qwen4-Max exponerar tre resonemangsnivåer, inte fem: low, high och xhigh, med high som standard. Anropa det via en OpenAI-kompatibel klient så mappas en effort-sträng utanför intervallet om i stället för att avvisas – A​libabas tabell mappar minimal till low, medium till high och max till xhigh. Via A​nthropics Messages-format blir medium high och max xhigh.

Båda mappningarna är försvarbara och båda är tysta. En pipeline som är injusterad mot en modell med fem nivåer och som begär medium här får resonemang med hög ansträngningsnivå: fler tokens, högre latens, högre kostnad och inget fel som talar om att det har hänt. En pipeline som begär max och förväntar sig toppen av en stege med fem steg får xhigh, vilket råkar vara toppen av den här – så utdata ser rätt ut och bara fakturan säger emot. Rättningen är en rad per rutt: lås den nivå du faktiskt mätte på, i leverantörens vokabulär, och verifiera den i staging. Allt som skickar en omappad effort-sträng rakt igenom till en modell med en kortare stege kommer att glida, och det kommer att glida i riktning mot att spendera mer pengar.

A screenshot of the Alibaba Cloud Model Studio documentation page for qwen4-max, showing the Model Studio navigation, the breadcrumb Home Page > Models > Get Started, and the qwen4-max (Latest Model) heading with the start of its specification tables.

Vad lanseringssiffrorna säger – och vad de inte säger

Alibabas lanseringsevaluering, leverantörsrapporterad och inte oberoende reproducerad, placerar Qwen4-Max på 52,69 i sitt Work360-benchmark jämfört med 47,74 för Qwen3.8-Max, med genomsnittskostnaden per uppgift som sjunker från $4,43 till $1,67 och användningen av utdatatoken som minskar med 24 % vid xhigh effort och 35 % vid high. På Terminal-Bench 4.0 rapporterar leverantören 48 % respektive 49 % färre utdatatoken vid samma två inställningar, och godkännandegraden på funktionsnivå i dess benchmark för säker kodning stiger från 22,0 % till 31,8 %. Det är leverantörens argument för arkitekturen: en gles mixture-of-experts-modell med 2,4 biljoner parametrar som aktiverar 71 miljarder parametrar per token, plus 328 miljarder N-gram-inbäddningsparametrar, med tre Gated DeltaNet-lager per sparse-attention-lager.

Den enda utomstående bedömning som finns tillgänglig den 17 november är Artificial Analysis, som ger Qwen4-Max 43 på Intelligence Index v5.0.1 och rankar den på 38:e plats bland 81 modeller i det indexet. Den mäter också $3.27 i beräkningskostnad per indexuppgift, med stöd av 127 miljoner utdatatokens under körningen jämfört med en median på 78,6 miljoner, och den registrerar ingen hastighetsmätning för modellen alls – ingen tid per uppgift, ingen utdatahastighet. En 43:a bredvid en leverantörs påstående om att slå frontlinjen är den spänning som nästa månads rapportering kommer att handla om. Det är också den enda siffran i den här artikeln som A​libaba inte producerade.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-max, showing the 1M-token context badge, text, image and video input, and the pricing panel for the model Qwen4-Max replaces.

Om du skulle kalla det den här veckan

OrcaRouter dirigerar inte Qwen4-Max, och det är värt att säga det rakt ut i stället för att antyda något annat. Katalogen innehåller Qwen3.8-Max – modellen som Qwen4-Max ersätter – till $2.00 in och $6.00 ut per miljon med leverantörens listpris vidarebefordrat med 0 % påslag, tillsammans med Claude Opus 5.5, GPT-6.1 Sol, Grok 4.5 och T​encent HY4 Preview. Den har ännu inte Qwen4-generationen.

Det ärliga upplägget för ett team som i dag utvärderar Qwen4-Max är därför en direkt A​libaba-nyckel för den nya modellen plus ett routningslager för allt du skulle falla tillbaka på. Det är mindre besvärligt än det låter, för det som gör en ny modell dyr att införa är inte tokenpriset – det är att ett försök innebär ett andra avtal, ett andra SDK och en andra uppsättning återförsökssemantik som ligger på en produktionsväg. Att hålla den befintliga leverantören bakom en enda slutpunkt med automatisk failover mellan leverantörer låter Qwen4-Max-experimentet köra vid sidan av en väg som redan fungerar, och låter jämförelsen ske på din egen trafik i stället för på ett benchmark från A​libaba. När modellen väl finns i katalogen kommer priset du ser att vara leverantörens eget, live samma dag som det ändras, för det är vad pass-through betyder: Global-kortet på $1.413 och $4.24 skulle visas som $1.413 och $4.24, inte med en återförsäljares påslag.

Vad du ska titta på

Alibabas lanseringsinlägg avslutas med en rad som betyder mer än något benchmarkvärde i det: Max är bara en första inblick i Qwen4, och mindre modeller i familjen är på väg att släppas som öppen källkod. Det är ett löfte om nivån under, inte om den här, och det ändrar inte det faktum att Qwen4-Max i sig är en modell som du hyr från en enda leverantör och från plattformar som hyr den från samma leverantör. På den marknaden är dokumentationen det som differentierar produkten, och dokumentationen anger 983,616 in och 131,072 ut – inte en miljon av något.

Två datum hör hemma i en kalender. Avvecklingen den 25 november av förhandsgranskningsidentifierarna, för alla vars konfiguration fortfarande anger qwen4-max-preview. Och vad A​libaba än publicerar härnäst om tankebudgeten, eftersom en delad pool på 262 144 token för en modell som marknadsförs med 1M-kontext är det enskilt mest sannolika talet att revideras när verkliga agentarbetsbelastningar väl stöter på det.